基于hopfield网络的短波协同侦收设备调度技术-刘洋.pdf

《基于hopfield网络的短波协同侦收设备调度技术-刘洋.pdf》由会员分享，可在线阅读，更多相关《基于hopfield网络的短波协同侦收设备调度技术-刘洋.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、收稿日期：2016-10-14 修回日期：2016-12-09基金项目：国家自然科学基金资助项目（61273302）作者简介：刘 洋（1992- ），男，湖北襄阳人，硕士研究生。 研究方向：智能信息处理、机器学习、数据挖掘。*摘 要：短波波段信号密集，电磁环境复杂，相对有限侦收设备，往往会导致侦收效率不高。 针对这种情况，提出了基于Hopfield神经网络的短波侦收设备调度方法，对短波信号进行协同侦收。给出了有效侦收概率的定义，梳理了有效侦收的约束条件，设计了侦收设备调度的数学模型，通过Hopfield神经网络实现了此模型。该方法利用全局优化技术对多个侦收传感器进行调度，使不同侦收传感器合理地

2、协同侦收，实现侦收系统G80G81效G82G83G84化。 G85G86G87G88G89G8A了该方法的G8B行G8CG8D有效G8C。关键词：短波侦收，协同侦收，神经网络，G8EG8F调度中图分类号：TN92G90TP18 文献标识码：A DOI：10.3969/j.issn.1002-0640.2017.12.028基于Hopfield网络的短波协同侦收设备调度技术*刘 洋，王伦文G91G92G93G94技G84学电G95对G96学G97，合G98 230037G99Research on Technology of Resource Scheduling for HF Cooperat

3、ive Reception Based on Hopfield Neural NetworkLIU Yang，WANG Lun-wenG91School of Electronic Countermeasure，National University of Defense Technology，Hefei 230037，ChinaG99AbstractG9ABecause of the many and dense signals in High Frequency G91HFG99 band，the complexelectromagnetic environment and the rel

4、atively limited resources，the efficiency of HF reception is nothigh. In view of this situation，a resource scheduling method for HF reception based on Hopfield neuralnetwork is proposed to reach cooperative HF reception. The effective reception probability is defined，the constraints of reception are

5、given，a mathematical model of reception device scheduling is designedand realized by Hopfield neural networks. To achieve the optimum performance of the receptionsystem，the optimization techniques of global scheduling for multiple sensor reception are utilized tomake the cooperative reception reason

6、ably. The experimental results show the effectiveness of theproposed method.Key wordsG9AHF reception，cooperative reception，neural networks，resource scheduling0 引言短波通信G9B有通信G9CG9DG9EG9F 设备GA0GA1GA2优GA3，GA4GA5GA6GA7用，GA8GA9GAA于短波信号密集，传统短波侦收模GABGACGADGAE侦收设备GAF不GB0GB1GB2GB3GB4G8DGB5合利用，出现GB6复侦收G9FGB7侦G

7、A2GB8多GB9GBA。 GBB此，GBCGBD协同侦收方法，提高侦收效率GBEGBFGC0GC1。GC2GC3GC4GC5侦GC6GC7GC8GC9GC1G8D现有GCA备G8CGCBGCC定多传感器协同侦收系统，GA9GCDGBF利用多传感器协同侦收系统G8EG8FG9F 提高系统侦收效GCB的GCEGCFGB9GBAGD0GD1。 多传感器协同侦收GC7GC8GD2GD3GD4于多传感器协同GD5GCCGD6的GC7GC8GBFGB3G8DG8EG8F调度GB9GBA，协同侦GC6技术的GD7GD8GD9GDAGDBGDC于G8EG8F调度GCEGCF技术的GBCGBD。 GDDGD6

8、G83GDEGDF技术GA9G8EG8FGE0理， GE1GE2GE3GE4G8EG8F统GD1GE0理G9FG8EG8F合理调度GE5GBFGB3GA2。 GE6GE7GE81GE9提出了GD1种GEAGCB的GEBGECGEDGEEG8DG8EG8F调度GEFGF0， GF1GF2GF3GF4了GCBG8FGF5GF6，GA8G8BGCB会对GA7用G8CGCBGF7GF8不GF9GFAGFB。 GE6GE7GE82GE9提出了GD1个G9B有4种不同GEFGF0的G8EG8F调度方法，GFCGFD文章编号：1002-0640（2017）12-0135-04Vol. 42，No. 12De

9、c，2017GFEGFFGE5指挥GD5GCCFire Control & Command Control第42卷 第12期2017年12月135 万方数据（总第42- ） 火力与指挥控制 2017年 第12期了资源分配和最小发射功率要求，但增加了基站的负担。 文献3提出了一种基于MCT结构的资源调度方案， 降低了网络访问冲突和控制信令开销，但结构间的逻辑关系难以确定，结构庞大时应用效率太低。 文献4提出了一种基于人口的增量学习算法，缩短了任务完成时间，但数学G80G81G82G83和求G84G85算G86G87G88G89。 文献5提出了基于G8A资源调度的G8BG8C系G8D，G8EG8F

10、了成G90最小G91和期G92G93G94G95的G85算G82G83，但G96定G97G98G99要G9A一G9B提G9C。 文献6提出了一G9D资源G9EG9FGA0GA1学习GA2GA3，但GA4GA5GA6GA7GA8GA9学习G86G87GAAGABGAC一定的GADGAEG97。 文献7提出了一种基于GAF冲GB0GB1GB2GB3的调度方法，GA4以GB4GB5GB6分配GB7GB8资源， 但GA9GB2GB3GB9确度和系G8D开销GBA难以GBBGBCGBDGBE。 文献8提出了一种基于GBFGC0GC1GC2分的GC3GC4应资源调度算法，增GC5了网络GC6GC7G97G

11、A5，但调度结GC8GC9GCAGCBG87度的GCCGCDGCE大。 文献9GCFG85了一种GD0G9A的人G8CGD1GD2GD3务G82G83G9AGD4GD5GD6资源分配与调度的GD7GD8，提G9C了用GD9GD5GD6GDA间的GDBGDC效GDD，但GDEG82G83GAAGDF数确定的G82GE0G97GE1定了GE2GE3GE4的GE5GE6难度，G99要GDBG86GE7加GE8GE9的GEAGB5。 文献10提出了一G9DGEBGECGEDGB1调度GEE制，GC6GEF了G8AG85算GF0GF1成G90，增加了G8AG85算GF2GF3GA5力，但GF4GEE制G

12、E6GDBGDC问GF5GAA难以量G91的GF6GF7GB7法G9AGD4GF8GF9和GEAGB5。 GA4GFA，GECGFB一种GFB资源GFC学配GFD和G9C效GF3用提GFEGFF助GE1GA2的关键GD7GD8，资源调度GD7GD8GAC着巨大的发展GDA间。1 多传感器协同下的侦收设备调度问题1.1 有效侦收概率由于G82拟侦收天GB8覆盖范围和GAE标信号覆盖范围GCEGFB困难，G90文GE6仿真实验G82G83G9AGD4了一定简G91，假定GAE标信号都GA9各G9D侦收GBF元天GB8GA4覆盖范围内。 由文献11GA4知，各GBF元GE6GAE标信号的GAC效侦收

13、概率GDE指GA9某时刻，GD3从瑞GF3分布的短GC1天GB8信号GBCGBB接收GC7的GB2GB3场GC5大于或等于侦收GBF元GEAGB5所G99最小场GC5的概率， 即GAC效侦收时间百分率，如式（1）所示：（1）式GAA，PGF8示GBBGBC或G9C于最小场GC5值Emin的时间百分率；EminGDE侦收GBF元GA5正常接收GEAGB5信号所G99的最小场GC5值，GE2G85算公式GFB：（2）式GAA，（S/N）minGDE侦收接收GEEGEAGB5信号所G99的最低信噪比；DrGFB接收天GB8的方向系数；ONFGFBGEBGEC噪声系数；fGFB接收信号GC2率，BGF

14、B接收信号带宽。G90文结GB4了GF9GACGB5G8F成GC8和GDB验公式G85算短GC1天GC1传播损耗和场GC5，GD1用了一G9D简洁GAC效的GC4用于仿真系G8D的GC4用G82G83，基于GF4G82G83G85算接收GC7的GAA值场GC5，式（1）GAAE的GF8示辐射源辐射的电磁GC1GA9某G9D时间内GDBG86衰减后GBCGBB接收GC7的GAA值场GC5，按式（3）G85算。（3）式GAA，EGFB接收GC7GAA值场GC5；fGFB信号GC2率；GtGFB发射天GB8增GDD；PtGFB信号发射功率；LbGFB传播损耗。 信号GC2率GA4以直接获得，敌方发射

15、GEE的装备GDF数也GA4以通G86长期侦察GDB验和GE5关资料获得，而传输损耗也GA4以根据GE5关条件G85算获得。1.2 协同侦收调度模型GCF定信号侦收任务集GB4GFBT=t1，t2，tN，NGFB信号数GAE，侦收GBF元集GB4GFBU=u1，u2，uM，M GFB侦收GBF元数GAE。 GFB防止协同侦收占用G86多资源，G92制协同G80G82Rmax。 iU，Ui locationGF8示侦收GBF元i所GA9G80GFD，UibandGF8示侦收GBF元iGEAGB5带宽，即接收GEE带宽，UiareaGF8示侦收GBF元i的覆盖范围。jT，TiareaGF8示GAE

16、G81信号j的覆盖范围。 LIDGF8示侦收GBF元所GA9G82GB6GA0号。GCF定xijGFB调度的GE1GA2G83量，GF8示侦收GBF元iGDEG84GE6GAE标信号jG9AGD4侦收。X=（xij）MN即GFB一G9D调度方案。 pijGFB侦收GBF元iGE6GAE标信号j的GAC效侦收概率。 pij=1-pijGF8示侦收GBF元iGE6GAE标信号j的GB7效侦收概率。 G85多G9D侦收GBF元GE6同一GAE标信号协同侦收时，GE6于一G9DGAE标信号j，侦收系G8DGE6GE2协同侦收概率如式（4）所示。（4）而GE6于G86G9D侦收系G8D， 协同侦收概率如

17、式（5）所示。（5）G87GBA所G88，GA4G89G8AG8BG8CG8DG91G8E数如式（6）所示。（6）1.3 有效侦收的约束条件GA9短GC1侦收GAA，任务要求和装备G97GA5G8F间也GD5GA9一定的G93G94条件，G90G91关系G92G93了任务G94GD4的GAC效G97和调度方案的GB4GB5G97。 GA9短GC1协同侦收GCF备调度的G93G94条件GFB：136G95 G952202万方数据（总第42- ）刘 洋，等：基于Hopfield网络的短波协同侦收设备调度技术xij为决策变量，只能取0或1xij=1表示侦收0表示不侦收i=1，2，M j=1，2，NM

18、代表侦收单元数目，N代表信号数目。每个侦收单元最多能执行一个任务。每个信号最多被Rmax个侦收单元接收。信号必须在侦收单元可接收的频段范围内，且侦收单元接收机带宽可以处理该信号。信号目标在侦收单元可侦收范围内，侦收单元在信号覆盖范围内。2 基于Hopfield网络的调度模型实现2.1 网络能量函数的构成侦收设备调度问题实际上是个组合优化问题，其模型可以采用Hopfield神经网络G80实G81， G82神经元的G83G84G85G86在0G871上，G88G89G8A问题可以用一个G8BG8CG8DG8EG8F12 G90G80G91行G92G93TSP问题G94G95，用vij表示G8BG8

19、CG8DG8EG96i行G97G96jG98的元G99，vij表示网络神经元的G9AG9B， G9CG9DG9EG9F侦收的GA0GA1GA2GA3G87GA4GA5优化GA6数，设GA7G94GA8GA9数， GAAGAB的Hopfield神经网络能量GA6数GACGADGAE7GAFGB0示。GAE7）2.2 Hopfield神经网络状态方程G82GA0GA1GA2GA3能量GA6数 EG87神经网络GB1GB2标GB3能量GA6数EGAEt）G8F13 G90GB4GB5，GB6化GB7GB8GAA：GAE8）GB9于网络GBAGBBG83G84为GBCGBD型，GBEG83G84GA6

20、数为：GAE9GAF其GBF，vij为GB4GC0神经元xij的G83G84GC1GC2，uij为GB4GC0神经元xij的G9AG9BGA6数GC3， 为网络GBAGBB为GC4GC5的GC6GC7GC8GC9。GB4于GBCGBD型Hopfield神经网络， 其G9AG9BGA6数GCAGCB一GCC量GA8GA9GAD：GAE10GAFGCDGCE以G9AG9BGCFGD0为GD1GD2， GD3GD4基于Hopfield神经网络的优化GCDGCE，其GD5GD0GACGD6GB0示：Step 1：设GA7pij，u0，t等网络GD7GD8GC3GD9Step 2：GDA机GDBGDC网

21、络GD7G9BuijGD9Step 3：GDDGADGAE8GAFG91行GDEG9BGCFGD0GDFGCDGD9Step 4：GDDGADGAE9GAFG97GADGAE10GAFG91行G83GE0G83G84神经元G9AG9BGE1GE2GD9Step 5：GDDGADGAE7GAFGE3GE4能量GA6数GD9Step 6：GE5决GDBGDCG8BG8CG8DG8E的G9EG9FGE6GD9Step 7：GE7代GE8GE9G92GEAGCAGCB最GEBGA2GA3G92G83G84GC1GC2G92GEA不GCAGCBG92GECGABStep 2。3 实验及结论为GEDGEE

22、GEFGF0GF1G84模型的G9EG9FGE6G87GCDGCEGE6能G92在GDFGCD机上G91行GF2GF3实GED。实GEDGF4用的GDFGCD机CPUGF5频3.2 GHzG92内GF64 GBG92GF2GF3GF7GF8为MATLAB2014a。GF9设GFAGC5GFB侦收GA9GFCGBFG9E 10 个短波侦收单元G92G9E10个目标信号GFD侦收G92G9CG9D上GFE设备调度模型GFFG9EG9F侦收概GC9GCC义G92GAAGABG9EG9F侦收概GC9G8DG8EGD6页GAC表1GB0示。设GCC最大GE7代次数 iter=10 000G92A=10G

23、92D=10G92u0=0.1G92t=0.01。GB9Hopfield神经网络GCDGCE实GEDGAA侦收设备设备调度GC1GC2GB4于的交G8BG8DG8E为：V1=0 1 0 0 0 0 0 0 0 00 0 0 0 0 0 0 1 0 00 0 0 0 0 0 1 0 0 01 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 1 00 0 0 1 0 0 0 0 0 00 0 0 0 0 0 0 0 0 10 0 0 0 1 0 0 0 0 00 0 0 0 0 1 0 0 0 00 0 1 0 0 0 0 0 0 #0此调度GCF案GB4GC0的侦收概GC9G8

24、7为9.61G92G93GF0献14G90GBF的蚁群GCDGCE获GAA的分配GCDGCEGC1GC2一致G92为GA4GA5最优。 因此G92设GCC最大侦收G9F能为9.61G92在G94同GA2GA3GD6G92两种侦收设备调度G9FGC9实GEDGC1GC2GB5较图GACGD6页图1GB0示。GB9图1可以看G84： 两种GCFGCE都能正确寻优G92GAAGAB最大侦收概GC9G87的调度GCF案。 GB9于GCDGCE原理不同G92 蚁群GCDGCEGB0需GE7代次数小于HopfieldGCDGCEG92但137 2203万方数据（总第42- ） 火力与指挥控制 2017年

25、第12期（下转第143页）侦收单元侦收信号123456789101 0.41 0.96 0.52 0.60 0.25 0.18 0.17 0.51 0.24 0.602 0.62 0.50 0.23 0.44 0.32 0.14 0.42 0.97 0.25 0.173 0.42 0.38 0.23 0.16 0.41 0.38 0.95 0.24 0.15 0.504 0.96 0.34 0.51 0.23 0.50 0.20 0.22 0.24 0.14 0.215 0.52 0.31 0.23 0.16 0.50 0.60 0.21 0.12 0.96 0.436 0.28 0.60 0

26、.51 0.94 0.15 0.53 0.20 0.12 0.21 0.307 0.31 0.60 0.14 0.44 0.32 0.50 0.12 0.45 0.20 0.988 0.41 0.24 0.36 0.54 0.97 0.15 0.45 0.30 0.21 0.309 0.50 0.21 0.37 0.42 0.26 0.97 0.51 0.44 0.33 0.1410 0.60 0.56 0.95 0.43 0.50 0.27 0.14 0.37 0.12 0.30表1 有效侦收概率矩阵Hopfield算法单次迭代所需时间远小于蚁群算法，经过换算，Hopfield算法的获优迭代

27、所需总时间为0.009 644 s， 蚁群算法获优迭代所需总时间为0.040 77 s，可见Hopfield神经网络在侦收设备调度中比蚁群算法具有更快的收敛速度。4 结论本文针对传统短波侦收模式侦收效率低下的问题， 提出一种基于Hopfield神经网络的短波协同侦收设备调度方法，根据短波侦收的约束条件，设计出设备调度的G80G81模G82， G83G84Hopfield神经网络G85G86G87模G82对侦收设备G88G89调度， 提G8AG8B侦收G8C统的侦收效率，G85G86G8B侦收G8C统G8DG8E效G8FG90G91G92。G85G93G94G95G96G97本文方法对于协同侦收

28、设备调度问题的可G89G98G99有效G98，G9A比蚁群算法具有更快的收敛速度。参考文献：G9B1G9CGUO S T，XIAO I，YANG Y Y，et al. Energy-efficient dy-namic offloading and resource scheduling in mobile cloud computingG9BCG9C/The 35th Annual IEEE International Confer-ence on Computer Communication，2016G9D1-9.G9B2G9CPAN J Y，Chang K W，LIN H W，et al

29、. Uplink shared re-source scheduling for device-to-device underlay communi-cation with least transmission power resource selection and guartanteed link qualityG9BCG9C/2016 International Conference on Networking and Network Applications，2016G9D364-369.G9B3G9CLI Y，HAN J Z，ZHOU W. CressG9Ddynamic sched

30、uling for re-source constrained jobsG9BCG9C/2014 IEEE 17th International Conference on Computational Science and Engineering，2014G9D1945-1953.G9B4G9CCHEN N S，FANG X P，WANG X. A cloud computing re-source scheduling scheme based on estimation of distribution algorithmG9BCG9C/2014 2nd International Con

31、ference on System and Informatics，2014G9D304-308.G9B5G9CCHEN Z G，ZHAN Z H，LI H H，et al. Deadline constrained cloud computing resources scheduling through an ant colony system approach G9BCG9C/2015 International Conference on Cloud Computing Research and Innovation，2015G9D112-119 . G9B6G9CLI H H，FU Y

32、 W，ZHAN Z H，et al. Renumber strategy en-hanced particle swarm optimization for cloud computing re-sourceG9BCG9C/2015 IEEE Congress on Evolutionary Computa-tion，2015G9D870-876.G9B7G9CFEI C J，ZHAO B K，WU C Q，et al. Towards efficient radio resource scheduling in LTE-based satellite mobile communi-catio

33、n systemG9BCG9C/The 2015 IEEE INFOCOM international Workshop on Mobility Management in the Networks of the Future World，2015G9D167-172.图1 G9E种侦收设备调度效率G85G93G94G95比G9FGA0138GA1 GA22204万方数据（总第42- ）图7 修正的环节及传递关系模型罗天峰，等：基于粒度的电子系统环节及传递关系模型的确定方法（上接第138页）!8 LI M D，THAM C K. Resource scheduling in SC-FDMA b

34、ased relay wireless sensor networksJ.Ad-hoc and Sensor Networking Symposium，2014：397-402 .9RONG H G，LI J F，CHANG B G，et al. A crowd sourcing service model for optimizing user-desired storage resource schedulingC/2015 IEEE 17th International Conference on High Performance Computing and Communications

35、，2015.10YOU C H，ZHANG Y. A radio resource scheduling scheme for periodic M2M communications in celluar networksC/2014 6th International Conference on Wireless Communi-cations and Signal Processing，2014：978-983.11郝才勇，彭忠宝.短波监测覆盖范围分析J.中国无线电，2015，30（12）：56-58.12张昀，于舒娟，刘欢.改进的无线传感网混沌Hopfield盲检测算法J.电子技术应用，

36、2014，40（11）：95-98.13曹金金.OFDM无线多跳网络中基于Hopfield神经网络的资源分配算法D.西安：西安电子科技大学，2014.14文仁强，钟少波，G80G81G82，等.应G83资源多G84G85G86G87G88度模型G89多G8AG8BG86G87算法G8CG8DJ. G8E算G8FG8CG8DG89G90G91，2013，50（7）：1464-1472.环节 G92G93G94G95 G96关G97 粒度G98G99G97 G9AG9BG9CG9DG9EG97H1 8G9FGA0进GA1GA2GA3GA4GA5DI4DI11 G96关 GA6GA7 GA8检测H2

37、 4G9FGA0进GA1GA2GA3GA4GA5DI0DI3 G96关 GA6GA7 GA8检测H3 12G9FGA0进GA1GA2GA3GA4GA5DO0DO11，GA9GAA电GABG94G95Vref GACG96关 GACGA6GA7 GACGA8检测H4 GA4GADGAEGAFG94G95BYTE1/BYTE2GB0CSGB0WR1GB0WR2及XFER G96关 GA6GA7 GA8检测H5 源环节，G92GB1G94G95GB2GB3GB4 G96关 GA6GA7 GA8检测HXGB5GB6GB7GB8G96关环节，GACGB9GBA - - -表2 G92GB1G94G95G

38、BBG97GBCGBDGBE的GACGBFGC0GC1及分GC2GC3GC4GC5，GA2GC6GC7GC8GC9G9AG9BGCA应G97GCBG9C检测G97GCC4 结论GCD文GCEGCFGD0模型GD1GD2GD3GD4GD5GD6分GB2GD7GD8G96关环节及传递关系，GD9用粒度GDAGB2GDBGDC环节及传递关系的GDDG85，定GDE粒度的GDFGE0GE1G98G99G97GCBGA6GA7G973 GB8基GCDGBBG97GE2确定GE3模型GE4GE5GA2进GA3修正，GE6环节及传递关系模型GE7GE8GE9GEAGBDGBE的GACGBFGC0GC1及分G

39、C2GC3GC4GC5，GA2GC6GC7GC8GC9G9AG9BGCA应G97GCBG9C检测G97GEB参考文献：GEC1刘GEDGEEGEF金GF0.GF1G9DGF2GE9GEA技术的G90G91G9EGF3J.GF0G8F电G94GF4GEF2003（1GF5：27-32.2曹勇GEFGF6GF7GEFGF8GF9GFAGEF等.GFBGFCGF1G9DGF2GE9GEAGFDG8E的环节及传递关系GFE模方法G8CG8DJ. GFF械G9AG9B学院学报GEF2013GEF25（4GF5：55-59.3曹勇GEFGF6GF7GEFGF8GF9GFAGEF等.GFBGFC故障GE9GEA的环节及传递关系GFE模方法J.装甲兵G9AG9B学院学报GEF2013GEF27（4GF5：75-79.4翟俊海GEF王熙GD2GEF张素芳.G94GF4粒度GB0G94GF4嫡G89决策树J.G8E算G8FG9AG9BG89应用GEF2009GEF45（12GF5：126-129.143 2209万方数据